GitHub 项目数据
GitHub ★ 18,607Fork 3,655项目指标 88/100
最近提交：2026-10-20T05:25:01Z · 许可证：Apache-2.0
来源：GitHub 官方 API · 同步于 2026-10-20 17:00（北京时间）
评分规则与适用范围
指标 v1：热度 40 分（40 × log10(Star + 1) / 6，四舍五入，上限 40）；维护活跃度 40 分（最近提交在 30/90/180/365 天内分别为 40/30/15/5 分，更久或仓库归档为 0）；识别到 SPDX 许可证 20 分。指标用于观察热度、维护时间与许可透明度，不是用户评分或功能实测，不能说明安全性、效果或商业适用性。Fork 仅展示，不参与打分。
本项目分项：热度 28，活跃度 40，许可透明度 20。缺失许可不等于没有许可，请核对原仓库。
能做什么
- 提供用于自动语音识别（ASR）、文本转语音（TTS）和语音 LLM 的 PyTorch 代码与预训练 checkpoint。
- 便于在已有代码和预训练权重基础上创建、定制和部署新的语音 AI 模型。
- 仓库提供开发者文档、源码安装、Docker 镜像与 pip 安装等多种使用路径。
适用场景
- 语音识别模型的训练与定制。
- 多语言 TTS 模型的开发与实验。
- 语音大模型与流式语音相关研究。
使用条件与限制
- 需要 Python 3.12 或以上、PyTorch 2.7 或以上；训练需要 NVIDIA GPU + CUDA，推理推荐使用 GPU。
- 推荐通过源码配合 uv 安装；也可在自有 Python/PyTorch/CUDA 环境中用 pip 安装，或使用官方 NGC 容器。
- 部分 checkpoint 加载时可能需要设置
TORCH_FORCE_NO_WEIGHTS_ONLY_LOAD=1，该操作仅应对可信文件使用，存在任意代码执行风险。 - 采用 Apache License 2.0 许可。
补充说明
该仓库当前聚焦音频、语音与多模态 LLM；此前包含更多模态的最终版本为 v2.7.3。
来源与收录说明
AI 整理，已通过独立来源审核，收录于 2026-10-19。资料整理不代表运行实测，具体功能与使用条件以官方说明为准。
https://github.com/nvidia-nemo/speech ↗